OpenCV-Python(21):轮廓特征及周长、面积凸包检测和形状近似

2. 轮廓特征

        轮廓特征是指由轮廓形状和结构衍生出来的一些特征参数。这些特征参数可以用于图像识别、目标检测和形状分析等应用中。常见的轮廓特征包括:

  1. 面积:轮廓所包围的区域的面积。
  2. 周长:轮廓的周长,即轮廓线的长度。
  3. 弧长:轮廓线的弧长,即轮廓的长度。
  4. 轮廓矩:轮廓的几何矩,用于描述轮廓的形状。
  5. 轮廓重心:轮廓所包围区域的重心坐标。
  6. 外接矩形:能够完全包围轮廓的矩形。
  7. 最小外接矩形:能够紧密包围轮廓的矩形,且角度与轮廓的方向一致。
  8. 外接圆:能够完全包围轮廓的圆。
  9. 最小外接圆:能够紧密包围轮廓的圆。
  10. 椭圆拟合:能够最好地拟合轮廓的椭圆。
  11. 凸包:能够包围轮廓的最小凸多边形。
  12. 轮廓层级:描述轮廓的嵌套关系。

这些轮廓特征可以通过OpenCV库的cv2.contourArea()cv2.arcLength()cv2.moments()cv2.boundingRect()cv2.minAreaRect()cv2.minEnclosingCircle()cv2.fitEllipse()cv2.convexHull()等函数来计算和获取,下面主要介绍一些常用的特征。

2.1 目标

  •  查找轮廓的不同特征,例如面积、周长、重心、边界框等。

  •  学习和掌握轮廓相关函数

2.2 矩特征

        图像矩是一种描述图像几何特征的数学工具,用于描述图像的形状、位置和分布等信息,以帮助我们计算图像的质心、面积等。图像矩可以用于图像识别、目标检测、形状分析等应用中。图像矩的计算是基于图像像素的灰度值进行的,常见的图像矩包括原点矩、中心矩和归一化矩。使用OpenCV库的cv2.moments()函数可以计算图像的矩。该函数接受一个二值化的图像作为输入,并返回一个包含各种矩的字典。可以通过字典的键来获取不同的矩。以下是一个示例代码,演示如何计算图像的矩:

import cv2# 读取图像
image = cv2.imread("image.jpg")# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 计算矩
moments = cv2.moments(thresh)# 获取原点矩
m00 = moments["m00"]
m10 = moments["m10"]
m01 = moments["m01"]# 获取中心矩
cx = int(m10 / m00)
cy = int(m01 / m00)# 获取归一化矩
nu20 = moments["nu20"]
nu02 = moments["nu02"]
nu11 = moments["nu11"]# 打印矩的值
print("m00:", m00)
print("m10:", m10)
print("m01:", m01)
print("cx:", cx)
print("cy:", cy)
print("nu20:", nu20)
print("nu02:", nu02)
print("nu11:", nu11)

上述代码中,首先读取了一张图像,并对其进行了灰度化和二值化处理。然后使用cv2.moments()函数计算了图像的矩。通过字典的键可以获取不同的矩的值。在示例代码中,获取了原点矩的值(m00、m10和m01)、中心矩的值(cx和cy)以及归一化矩的值(nu20、nu02和nu11)。最后打印了这些矩的值。需要注意的是,图像矩对图像的形状和位置非常敏感,因此在计算图像矩之前需要对图像进行预处理,如灰度化、二值化等。

注意:根据这些矩的值,我们可以计算出对象的重心,

cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])

2.3 轮廓面积

        轮廓面积是指闭合轮廓所包围的区域的面积,可以用来描述对象的大小。在OpenCV中,可以使用cv2.contourArea()函数计算轮廓的面积,也可以使用0阶矩(M['m00'])计算得到。

area = cv2.contourArea(cnt)

cv2.contourArea()函数接受一个轮廓作为输入,并返回轮廓的面积。该函数的语法如下:

area = cv2.contourArea(contour)

其中,contour是一个包含轮廓点的数组。可以通过cv2.findContours()函数找到图像中的轮廓,并提取其中的某个轮廓来计算面积。以下是一个示例代码,演示如何计算轮廓的面积:

import cv2# 读取图像
image = cv2.imread("image.jpg")# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 遍历轮廓
for contour in contours:# 计算轮廓面积area = cv2.contourArea(contour)# 打印轮廓面积print("Contour area:", area)

在上述代码中,首先读取了一张图像,并对其进行了灰度化和二值化处理。然后使用cv2.findContours()函数找到图像中的轮廓。返回的contours是一个包含所有轮廓的列表。接下来,遍历轮廓列表,并使用cv2.contourArea()函数计算每个轮廓的面积。最后打印了每个轮廓的面积。需要注意的是,cv2.contourArea()函数计算的是轮廓的面积,而不是对象的实际面积。因此,在使用该函数之前,需要对图像进行预处理,如灰度化、二值化等,以确保轮廓能够正确识别。

2.4 轮廓周长

        轮廓周长是指闭合轮廓的长度,可以用来描述对象的形状。在OpenCV中,可以使用cv2.arcLength()函数计算轮廓的周长。cv2.arcLength()函数接受一个轮廓作为输入,并返回轮廓的周长。该函数的语法如下:

perimeter = cv2.arcLength(contour, closed)

其中,contour是一个包含轮廓点的数组,closed是一个布尔值,指示轮廓是否是闭合的。如果轮廓是闭合的,则closedTrue;如果轮廓是开放的,则closedFalse。以下是一个示例代码,演示如何计算轮廓的周长:

import cv2# 读取图像
image = cv2.imread("image.jpg")# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 遍历轮廓
for contour in contours:# 计算轮廓周长perimeter = cv2.arcLength(contour, True)# 打印轮廓周长print("Contour perimeter:", perimeter)

在上述代码中,首先读取了一张图像,并对其进行了灰度化和二值化处理。然后使用cv2.findContours()函数找到图像中的轮廓。返回的contours是一个包含所有轮廓的列表。接下来,遍历轮廓列表,并使用cv2.arcLength()函数计算每个轮廓的周长。最后打印了每个轮廓的周长。需要注意的是,cv2.arcLength()函数计算的是轮廓的周长,而不是对象的周长。因此,在使用该函数之前,需要对图像进行预处理,如灰度化、二值化等,以确保轮廓能够正确识别。

2.5 轮廓近似

        在OpenCV中,可以使用cv2.approxPolyDP()函数对轮廓进行近似处理。轮廓近似可以将复杂的轮廓形状简化为更简单的几何形状,如直线或曲线。cv2.approxPolyDP()函数接受一个轮廓作为输入,并返回一个近似的轮廓。该函数的语法如下:

approx = cv2.approxPolyDP(curve, epsilon, closed)

其中,curve是一个包含轮廓点的数组,epsilon是指定近似精度的参数,closed是一个布尔值,指示轮廓是否是闭合的。如果轮廓是闭合的,则closedTrue;如果轮廓是开放的,则closedFalse。将轮廓形状近似到另外一种由更少点组成的轮廓形状,新轮廓的点的数目由我们设定的准确度来决定。实现这一功能主要使用的是Douglas-Peucker算法(你可以到维基百科获得更多此算法的细节)。为了帮助理解,假设我们需要在一幅图像中查找一个矩形,但是由于图像的种种原因,我们不能得到一个完美的矩形,而是一个(坏形状),如下图所示:

现在就可以使用这个函数来近似这个形状了。这个函数的第二个参数叫epsilon,它是从原始轮廓到近似轮廓的最大距离。它是一个准确度参数。选择一个好的epsilon 对于得到满意结果非常重要。

epsilon = 0.1*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)

下面第二幅图中的绿线是当epsilon = 10% 时得到近似轮廓,第三幅图是当epsilon = 1% 时得到的近似轮廓。第三个参数设定弧线是否闭合。

以下是一个示例代码,演示如何对轮廓进行近似处理:

import cv2# 读取图像
image = cv2.imread("image.jpg")# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 遍历轮廓
for contour in contours:# 近似轮廓epsilon = 0.01 * cv2.arcLength(contour, True)approx = cv2.approxPolyDP(contour, epsilon, True)# 绘制近似轮廓cv2.drawContours(image, [approx], 0, (0, 255, 0), 2)

在上述代码中,首先读取了一张图像,并对其进行了灰度化和二值化处理。然后使用cv2.findContours()函数找到图像中的轮廓。返回的contours是一个包含所有轮廓的列表。接下来,遍历轮廓列表,并使用cv2.arcLength()函数计算每个轮廓的周长。然后根据周长计算一个近似精度epsilon,并使用cv2.approxPolyDP()函数对轮廓近似处理。最后使用cv2.drawContours()函数绘制近似轮廓。需要注意的是,轮廓近似处理是一种对轮廓进行简化的方法,可以减少轮廓点的数量,从而降低计算的复杂性。但近似精度epsilon的选择需要根据具体情况进行调整,过大的epsilon会导致近似结果不准确,而过小的epsilon会导致近似结果过于复杂。因此,在使用cv2.approxPolyDP()函数进行轮廓近似处理时,需要根据实际情况选择合适的epsilon值。

2.6 凸包

        在计算机视觉中,凸包(Convex Hull)是指一个包围一组点的最小凸多边形。凸多边形是一个所有内角均小于180度的多边形。凸包与轮廓近似相似,但不同,然有些情况下它们给出的结果是一样的。OpenCV中提供了cv2.convexHull()函数来计算给定点集的凸包,同时检测一个曲线是否具有凸性缺陷并能纠正缺陷。一般来说,凸性曲线总是凸出来的或者至少是平的。如果有地方凹下去了,就叫做凸性缺陷。例如下图中的手。红色曲线显示了手的凸包,凸性缺陷被双箭头标出来了。


关该cv2.convexHull()函数的语法如下:

hull = cv2.convexHull(points, clockwise, returnPoints)

其中,points是一个包含点集的数组,clockwise是一个布尔值,用于指定凸包的顺序,如果为True,则返回的凸包按顺时针方向排序;如果为False,则返回的凸包按逆时针方向排序;returnPoints是一个布尔值,用于指定返回的凸包是点的坐标还是索引,默认为True,表示返回点的坐标。

要获得上图的凸包,下面的命令就够了:

hull = cv2.convexHull(cnt)

但是如果你想获得凸性缺陷,需要把returnPoints 设置为False。以上面的矩形为例,首先我们找到他的轮廓cnt。现在我把returnPoints 设置为True 查找凸包,我得到下列值:

[[[234 202]], [[ 51 202]], [[ 51 79]], [[234 79]]],其实就是矩形的四个角点。现在把returnPoints 设置为False,我得到的结果是[[129],[ 67],[ 0],[142]],他们是轮廓点的索引。例如cnt[129] = [[234, 202]]这与前面我们得到结果的第一个值是一样的。

以下是一个示例代码,演示如何使用cv2.convexHull()函数计算凸包:

import cv2
import numpy as np# 创建一组点
points = np.array([[10, 10], [10, 100], [100, 10], [100, 100], [50, 50]])# 计算凸包
hull = cv2.convexHull(points)# 绘制凸包
image = np.zeros((200, 200, 3), dtype=np.uint8)
cv2.polylines(image, [hull], True, (0, 255, 0), 2)# 显示图像
cv2.imshow("Convex Hull", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中,首先创建了一个包含5个点的数组points。然后使用cv2.convexHull()函数计算凸包,并将结果保存在hull中。接下来,创建一个空白图像image,并使用cv2.polylines()函数绘制凸包。最后,显示图像。

需要注意的是,cv2.convexHull()函数返回的凸包是一个包含点的数组,可以通过cv2.polylines()函数绘制凸包。另外,可以使用cv2.isContourConvex()函数检查一个轮廓是否是凸的。如果返回True,则表示轮廓是凸的;如果返回False,则表示轮廓是非凸的。凸包在计算机视觉中有广泛的应用,如图像分割、形状匹配等。凸包可以帮助我们简化复杂的形状,并提取出形状的关键特征。

2.7 凸性检测

        函数cv2.isContourConvex() 可以可以用来检测一个曲线是不是凸的。它只能返回True 或False。没什么大不了的。

k = cv2.isContourConvex(cnt)

2.8 边界矩形

        通常有两类边界矩形:直边界矩形、旋转边界矩形

直边界矩形 

        一个直矩形(就是没有旋转的矩形)。它不会考虑对象是否旋转。所以直边界矩形的面积不是最小的。可以使用函数cv2.boundingRect() 查找得到。(x,y)为矩形左上角的坐标,(w,h)是矩形的宽和高。

x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
旋转边界矩形

        这个边界矩形是积最小的,因为它考虑了对象的旋转。用到的函数为cv2.minAreaRect()。返回的是一个Box2D 结构,其中包含矩形左上角角点的坐标(x,y),矩形的宽和高(w,h)以及旋转角度。但是要绘制这个矩形需要矩形的4 个顶点,可以通过函数cv2.boxPoints() 获得。

x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

把这两中边界矩形显示在下图中,其中绿色的为直矩形,红的为旋转矩形。

2.9 最小外接圆

        函数cv2.minEnclosingCircle() 可以帮我们找到一个对象的外接圆。它是所有能够包括对象的圆中面积最小的一个。

(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
img = cv2.circle(img,center,radius,(0,255,0),2)

2.10 椭圆拟合

        使用的函数为cv2.ellipse(),返回值其实就是旋转边界矩形的内切圆。

ellipse = cv2.fitEllipse(cnt)
im = cv2.ellipse(im,ellipse,(0,255,0),2)

2.11 直线拟合

        我们可以根据一组点拟合出一条直线,同样我们也可以为图像中的白色点拟合出一条直线。

rows,cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
img = cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/583014.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

防火墙什么用,软件防火墙与硬件防火墙有什么不一样

防火墙是一种网络安全技术,通过有机结合各类用于安全管理与筛选的软件和硬件设备,在计算机网络的内、外网之间构建一道相对隔绝的保护屏障,以保护用户资料与信息的安全性。 防火墙的作用的详细说明: 1.访问控制:防火…

《LIO-SAM阅读笔记》3.后端优化

前言: LIO-SAM后端优化部分写在了mapOptimization.cpp文件中,本部分主要进行了激光帧的scan-to-map匹配,回环检测以及关键帧的因子图优化。本部分主要有两个环节同步进行,一个单独开辟了回环检测线程,另外一个是lidar…

Vue2面试题:说一下什么是路由守卫?

是路由跳转前、后的一些钩子函数 分类: 全局守卫:【写在main.js中 或 router文件夹下的index.js中】 beforeEach: 进入路由之前的验证(常用,如:判断用户是否登录) afterEach: 路由进入之后的验证&#xff0…

[云原生] Go web工作流程

web工作流程 Web服务器的工作原理可以简单地归纳为 客户机通过TCP/IP协议建立到服务器的TCP连接客户端向服务器发送HTTP协议请求包,请求服务器里的资源文档服务器向客户机发送HTTP协议应答包,如果请求的资源包含有动态语言的内容,那么服务器…

06|调用模型:使用OpenAI API还是微调开源Llama2/ChatGLM?

06|调用模型:使用OpenAI API还是微调开源Llama2/ChatGLM? 让我们带着下面的问题来开始这一节课的学习。大语言模型,不止 ChatGPT 一种。调用 OpenAI 的 API,当然方便且高效,不过,如果我就是想用…

解决Java编译出现类名不匹配报错

当遇到Java编译错误时,很多时候都是由于类名与文件名不匹配导致的。在Java中,公共类的名称必须与其所在的文件名一致,包括大小写敏感。下面是我在编译第一个Java程序"HelloWorld"时遇到的问题和解决办法的记录。 问题描述 在终端…

HCIA-Datacom题库(自己整理分类的)——OSPF协议多选

ospf的hello报文功能是 邻居发现 同步路由器的LSDB 更新LSA信息 维持邻居关系 下列关于OSPF区域描述正确的是 在配置OSPF区域正确必须给路由器的loopback接配置IP地址 所有的网络都应在区域0中宣告 骨干区域的编号不能为2 区域的编号范围是从0.0.0.0到255.255.255.255…

第十二章 Sleuth分布式请求链路跟踪

Sleuth分布式请求链路跟踪 gitee:springcloud_study: springcloud:服务集群、注册中心、配置中心(热更新)、服务网关(校验、路由、负载均衡)、分布式缓存、分布式搜索、消息队列(异步通信)、数…

VisualStudio项目中多个同名文件处理

问题 在vs2019环境中,现在开发一个较大的C项目,它的源文件在多个文件夹中组织(在文件系统上)。在其中两个文件夹中,有几个同名的文件。如: .\ConsoleApplication1\JAMGEN_CONFIG_x4_test\firls.c .\ConsoleApplication1\NoiseCo…

YOLOv8训练自定义数据集和运行参数解读

1、YOLOv8深度学习环境搭建及安装 1.1. Yolov8介绍 设置操作类型 YOLOv8模型可用于各种任务,包括检测、分割和分类。这些任务的不同之处在于它们产生的输出类型和它们要解决的特定问题。 **检测:**检测任务涉及识别和定位图像或视频中感兴趣的对象或区域。YOLO模…

多模态大模型-CogVLm 论文阅读笔记

多模态大模型-CogVLm 论文阅读笔记 COGVLM: VISUAL EXPERT FOR LARGE LANGUAGEMODELS 论文地址 :https://arxiv.org/pdf/2311.03079.pdfcode地址 : https://github.com/THUDM/CogVLM时间 : 2023-11机构 : zhipuai,tsinghua关键词: visual language model效果:(2023…

一键访问多功能数据解决方案:如何轻松构建和管理APITable智能多维表格

文章目录 前言1. 部署APITable2. cpolar的安装和注册3. 配置APITable公网访问地址4. 固定APITable公网地址 前言 vika维格表作为新一代数据生产力平台,是一款面向 API 的智能多维表格。它将复杂的可视化数据库、电子表格、实时在线协同、低代码开发技术四合为一&am…

【芯片DFX】Arm调试架构篇

【芯片DFX】万字长文带你搞懂JTAG的门门道道【芯片DFX】ARM:CoreSight、ETM、PTM、ITM、HTM、ETB等常用术语解析

《数据库开发实践》之触发器

一、什么是触发器? 1.概念: 简单来说触发器就是一种特殊的存储过程,在数据库服务器触发事件的时候会自动执行其SQL语句集。 2.构成四要素: (1)名称:要符合标识符命名规则 (2&am…

element ui级连选择,lazyLoad选择地区

ui文档上直接给了一函数 先试试看效果是什么,加上let id0;不然会报错 props: {lazy: true,lazyLoad (node, resolve) {let id 0;const { level } node;setTimeout(() > {const nodes Array.from({ length: level 1 })//创建一个新数组,数组长度l…

Bug升级记

2023.12.28 (1) 小程序session_key泄露隐患 核心:session_key这个字段及对应值不应该传到小程序客户端等服务器外的环境 错误操作:直接在小程序调用https://api.weixin.qq.com/sns/jscode2session并将session_key作为参数进行明文传输 正确操…

【javaweb】Tomcat 9.0中的HttpServletRequest

2023年12月28日,周四晚上 目录 什么是HttpServletRequest HttpServletRequest对象是由谁产生的 什么是HttpServletRequest HttpServletRequest 是 Java Servlet 中的接口,用于封装客户端请求的信息。它提供了访问客户端请求的方法,包括请求…

【六袆 - Framework】Flowable 引擎的介绍(1)

Flowable 框架的介绍 什么是 Flowable for by https://www.flowable.com/open-source/docs/bpmn/ch02-GettingStarted 什么是 Flowable Flowable 的介绍: 轻量级业务流程引擎: Flowable是一款用Java编写的轻量级业务流程引擎。其核心功能包括部署BPMN…

鸿蒙WebGL开发入门

WebGL的全称为Web Graphic Library(网页图形库),主要用于交互式渲染2D图形和3D图形。目前HarmonyOS中使用的WebGL是基于OpenGL裁剪的OpenGL ES,可以在HTML5的canvas元素对象中使用,无需使用插件,支持跨平台。WebGL程序是由JavaScript代码组成的,其中使用的API可以利用用户…

使用nodejs对接arXiv文献API

GPT4.0国内站点: 海鲸AI-支持GPT(3.5/4.0),文件分析,AI绘图 要使用 Node.js 对接 arXiv 的 API,你可以使用 axios 库或者 Node.js 的内置 http 模块来发送 HTTP 请求。以下是一个简单的例子,展示了如何使用 axios 来获取 arXiv 上…